Yüksek Boyutlu Test Fonksiyonlarında Ağaç Tohum Algoritmasının Performans Analizi

Abstract

Gelişen teknoloji ile birlikte ortaya çıkan problemlerin klasik yöntemler ile çözümü gün geçtikçe zorlaşmaktadır. Klasik optimizasyon teknikleri, problem boyutunun büyük olması ve çözüm uzayının geniş olması gibi nedenlerden dolayı yetersiz kalmaktadır. Bu nedenle klasik optimizasyon metotları ile gerçek dünya problemlerini çözmek çok zaman almakta ve etkili bir şekilde çözülememektedir. Bu gibi sorunlar insanoğlunu kesin çözüme değil optimizasyon yöntemleri ile bulunabilecek en iyi çözüme doğru yöneltmektedir. Optimizasyon, eldeki kısıtlı imkanları en iyi şekilde kullanarak mümkün olan en iyi sonucu elde etme olarak tanımlanmaktadır. Optimizasyon yöntemi meta-sezgisel algoritmalar kullanılarak gerçekleştirilmektedir. Böylece genel olarak popülasyon tabanlı algoritmalar olarak adlandırılan birçok yeni algoritma önerilmiştir. Popülasyon tabanlı olan ağaç tohum algoritması meta-sezgisel algoritmalardan bir tanesidir ve sürekli optimizasyon problemlerini çözmek için kullanılan ve aynı zamanda yeni çıkan algoritmalardan biridir. Ağaç tohum algoritması ağaçlar ile tohumlar arasındaki bağlantıdan esinlenmiş olup her çevrimde her ağaç için belirli sayıda tohum üretilmektedir. Bu çalışmada ağaç tohum algoritması ile geliştirilmiş ağaç tohum algoritması on farklı test fonksiyonları için kullanılmıştır. Problem boyut 100 olarak alınmış ve algoritmanın popülasyon sayıları sırasıyla 10, 30 ve 50 olarak kabul edilmiştir. Algoritmanın ST parametre değeri orijinal hali olan 0.1 değeri kabul edilmiştir. Algoritmalar aynı koşullarda 30 kez MATLAB programında çalıştırılmıştır. Elde edilen sonuçlar incelendiğinde geliştirilmiş ağaç tohum algoritmasının orijinal ağaç tohum algoritmasına göre daha iyi bir sonuç elde ettiği görülmüştür.